Method 14 · endogeneity
内生性处理
把内生性、稳健性和标准误问题说清楚
内生性处理 的 Markdown 风格教程：基于共用 CSMAR 风格案例生成实际代码、结果表和案例图。
一、内生性处理是什么？
这页是 内生性处理 的方法文档。所有表格和图都由 marketing/method_case_assets/generate_assets.py 从同一份 csmar_innovation_realistic.csv 生成，避免用占位图充当教程。重点是展示主结果之外的识别、稳健性或标准误处理，而不是只看一个显著性星号。
二、先看这个案例的结论
- endogeneity = diagnostic_skipped；'y'。
- 这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。
三、案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分真实烟测输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | endogeneity_iv.csv |
| 角色要求 | dv、iv |
| 依赖包 | 无额外 Stata 社区包要求 |
四、实际代码
下面是本页对应的最小可复现 Stata 代码。生产环境里 empirical-wizard 会在此基础上处理变量映射、输出校验、失败诊断和报告装配。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
ivregress 2sls $y $controls i.year ($x = L.$x), vce(cluster firm_id)
estat firststage
export delimited using "$JOB_DIR/endogeneity_iv.csv", replace五、实际输出表
这张表就是本方法页使用的案例输出文件，保存在 marketing/method_case_assets/endogeneity/result.csv。
| method | status | reason | N |
|---|---|---|---|
| endogeneity | diagnostic_skipped | 'y' | 96 |
六、案例图
这是一张由同一份案例数据生成的页面内诊断图。
七、论文里怎么写
为缓解模型设定或内生性担忧，本文补充报告内生性处理。相关估计输出见 endogeneity_iv.csv。该检验不替代研究设计本身，但可以说明核心结论在替代识别、标准误或稳健性口径下是否保持一致。
八、检查清单
- 确认本页使用的因变量、核心解释变量、控制变量与论文主模型一致。
- 先看表格里的样本口径，再看系数、p 值或诊断指标。
- 代码里的输出文件名要能对应网页展示的结果表。
- 说明工具变量、替代识别或稳健标准误的理论理由。
- 如果主结果与补充结果冲突，要解释冲突而不是只保留显著项。